Fase 5 - Desarrollar la evaluación final prueba objetiva abierta (POA)

Presentador por:
Juan Carlos Africano Barrera
Código
1057579552

Grupo:
300046_11

Tutor:
Luis Alberto Cáceres Torres

Universidad Nacional Abierta Y A Distancia

Unad
Estadística Descriptivas Para Agrarias
Diciembre 2019
 Introducción

En este trabajo colaborativo de la fase final encontramos las respuestas a las

preguntas orientadoras en expuestas en la guía del curso de estadística
descriptiva para agrarias, Todas las respuestas son obtenidas del libro de Balzarini
y Mendoza, donde podemos analizar e interpretar los diferentes conceptos. Para
el desarrollo de los tipos de variables discretas, continuas y cualitativas mediante
el programa R.
 Objetivos
Objetivo General

Realizar e interpreta los diferentes conceptos y fundamentos de los diferentes

tipos de variables estadísticas.

Objetivos específicos:

Responder las preguntas orientadoras suministradas por Guía práctica de acuerdo

al libro de Balzarini y Mendoza.
Preguntas orientadoras
Vector de datos: es una zona de almacenamiento contiguo que alberga
elementos de un mismo tipo.
Matriz de datos: es un modo de ordenar los datos de manera que sea
particularmente visible la estructura tripartita de los datos. Los datos se arreglan
de tal forma que las unidades (S = 1, 2,3.....I) Se ubican en las filas y cada variable
(V = 1, 2,3....K) en las columnas.
Variable cuantitativa continua: aquella en la que entre dos valores cualesquiera,
por próximos que sean, siempre pueden encontrarse valores intermedios. Por
ejemplo tiempo (medido en segundos).
Variable cuantitativa discreta: aquella que adopta valores aislados. Fijados dos
consecutivos, no puede tomar ninguno intermedio. Por ejemplo número de hijos,
número de aciertos en un test, etc.
Variable cualitativa nominal: una variable cualitativa nominal presenta
modalidades no numéricas que no admiten un criterio de orden. Ejemplos: El
estado civil, con las siguientes modalidades: soltero, casado, separado, divorciado
y viudo.
Variable cualitativa categórica: una variable categórica es una variable que
puede tomar uno de un número limitado, y por lo general fijo, de posibles valores,
asignando a cada unidad individual u otro tipo observación a un grupo en
particular o categoría nominal sobre la base de alguna característica cualitativa.
Que es una tabla de frecuencias: Las tablas de frecuencias miden el número de
individuos que cumplen cierta característica, donde permiten la organización y
presentación de un conjunto de datos de acuerdo con la variable estudiada.
Como es la tabla de frecuencias de una variable continua, una discreta y de
una cualitativa, ¿cuál tiene intervalos?
Variable continúa: estas pueden tomar cualquier valor dentro de un intervalo de
valores. Las continuas trabajan por intervalos.
Las variables discretas: son variables que no tienen intervalos, pero si tienen
formas numéricas entre dos valores cualesquiera.
Variable cualitativa: En la tabla de frecuencias de variables cualitativas no se
pueden calcular las frecuencias acumuladas pues no es posible establecer un
orden en las clases dentro de la modalidad
Histograma, en que variables se usa: Histograma es una representación gráfica
de un conjunto de datos de una variable en forma de barras, donde la superficie
de cada barra es proporcional a la frecuencia de los valores representados. Estas
variables se usan para representar variables continuas, aunque también se puede
usar para variables discretas. Ya que mediante un histograma se puede mostrar
gráficamente la distribución de una variable cuantitativa o numérica.
Gráficos de barras, en que variables se usa: Gráficos de barras es una
representación visual de tablas que están formadas por barras rectangulares en
horizontales y verticales, cuya longitud es proporcional a la frecuencia de cada uno
de los valores de la variable. Se utiliza para representar datos de variables
cualitativas, categóricas, también se utilizan en variables cuantitativas o discretas.
Defina Varianza muestral. Registrar fórmulas de cálculo: La varianza muestral
es una varianza de un conjunto de datos que indica qué tan dispersos están los
puntos de datos.
∑[(𝑥1− x̅)2 ]
Su fórmula es 𝑠 2 = (n−1)

Defina desviación estándar: La desviación estándar es la medida de dispersión

más común, que indica qué tan dispersos están los datos con respecto a la media.
Mientras mayor sea la desviación estándar, mayor será la dispersión de los datos.
La desviación estándar muestral se define como: DE = S = √22
Defina Mediana: Es el valor medio cuando un conjunto de datos se ordena de
menor a mayor. Si Y1, Y2....., Yn, constituyen una muestra aleatoria de tamaño n
entonces la mediana muestral es el cuartil 0,50 de su distribución de frecuencia
muestral.
Moda: Es el valor más frecuente en una distribución de datos.
Variables Aleatorias Y Probabilidades
Espacio muestral y con qué letra se denota: Se le dice espacio muestral al
conjunto de todos los resultados posibles de un estudio aleatorio experimental u
observacional. Donde se puede dar una definición de probabilidad que se basa en
la observación de los elementos del espacio muestral. Este se lo denota con la
letra griega omega (Ω).
Punto muestral: Se le llama punto muestral o evento elemental a cada uno de los
elementos del conjunto Ω. Es decir, un resultado particular del experimento y esta
denotado genéricamente como ɷ
Evento aleatorio: es un subconjunto de un espacio muestral, es decir, un
conjunto de posibles resultados que se pueden dar en un experimento.
En el caso de distribuciones de variables aleatorias ¿cuándo una variable es
continua y simétrica? ¿Qué modelo se usa?
Se usa el modelo Normal.
Para una variable de conteo no acotado ¿qué modelo se utiliza?
Se utiliza el modelo Poisson.
Para variables de proporciones ¿qué modelo se utiliza?
Se utiliza el modelo probabilístico Binomial.
¿Qué variables tienen función de probabilidad y que variables tienen función
de densidad?
La función de distribución de probabilidad de una variable aleatoria discreta y la
función de densidad de una variable aleatoria continúa denotada como f (.)
contienen exhaustivamente toda la información sobre la variable. La distribución
de una variable aleatoria, independientemente del tipo de variable, puede
representarse también por su función de distribución, denotada como F (y). Esta
función asigna a cada valor de la variable un valor entre 0 y 1 que indica la
probabilidad de que la variable, observada para un caso particular, asuma un valor
menor o igual al valor en que se está evaluando la función.
¿Cuáles son los parámetros más usados en estadística para estudiar y
utilizar funciones de distribución de variables aleatorias?
Desde el punto de vista estadístico, un parámetro es una función de todos los
valores distintos que asume la variable aleatoria en la población, donde una
función de los valores la variable en una muestra, se conoce con el nombre de
estadístico. Luego, los parámetros se derivan de poblaciones y los estadísticos
desde muestras.
Que es la esperanza matemática de una variable aleatoria, ¿cómo se denota?
La esperanza matemática de una variable aleatoria, usualmente denotada por E (.)
o la letra griega Mu (μ) es, desde un punto de vista intuitivo, un promedio de los
valores asumidos por la variable, donde cada valor es ponderado por su
probabilidad de ocurrencia.

Modelos Probabilísticos
Distribución normal.
¿Qué tipo de histograma se seleccionar un modelo probabilístico para una
variable aleatoria continúa, cuando se tienen datos de esa variable?
Para un modelo probabilístico de una variable aleatoria continua se utiliza un
gráfico de barras, llamado histograma de la distribución de probabilidad, para
ilustrar las probabilidades de que X se queda en rangos seleccionados. A través
de una definición apropiada de histograma, para una situación de intervalos de
clase desiguales hace que la definición y los procesos operativos con variables
aleatorias sean más naturales y con una buena componente intuitiva.
¿Qué es la estandarización, cuál es su fórmula?
Podemos decir es un proceso por el cual tenemos un valor más específico, ya que
se le denomina valor z, donde podemos obtener el valor z con la fórmula que es la
media menos el valor x y lo dividimos con la desviación estándar y nos sirve para
comparar valores obtenidos en distintas distribuciones con el valor z y poder ser
más específicos con el área en una curva normal.
𝐘− 𝛍
La transformación, estandarización, tiene la siguiente forma: 𝐙 =
√ 𝛔𝟐

Dónde Z: es la variable aleatoria obtenida de la transformación.

Y: la variable aleatoria original.

 Y 2 son respectivamente.
La esperanza y la varianza de la distribución de Y.
Distribución binomial.
¿Qué tipo de conteos se trabajan con la distribución Binomial?
La distribución Binomial puede usarse para el cálculo de probabilidades de
eventos provenientes de conteos acotados. Se supone que se realizan cierto
número (n) de experimentos aleatorios y en cada experimento se registra uno de
dos resultados posibles, éxito o fracaso donde el éxito tiene una cierta
probabilidad (P) de ocurrencia.
En la distribución binomial que es n y que es P, esta se usa donde P es la
probabilidad de éxito y n es el número de ensayos Bernoulli independientes, a que
es igual la esperanza y la varianza en esta distribución: La esperanza de la
variable es el número de lanzamientos que resultan en los juegos de azar y hace
referencia a la ganancia promedio esperada por un jugador. La varianza es el
cuadrado de la desviación estándar: σ2, se define con la media de las diferencias
elevadas al cuadrado.
Distribución de Poisson.
¿Qué tipos de conteos se trabaja con la distribución de Poisson?
La distribución de Poisson también sirve como modelo probabilístico para
variables discretas de tipo conteo. A diferencia de la Binomial, donde el conteo se
realizaba sobre n experimentos independientes, en el caso de la Poisson, los
conteos se refieren al número de veces que un evento ocurre en una unidad de
tiempo o espacio dada (hora, kilo, m2, m3, planta, etc.) y por tanto los valores de
la variable no están acotados. Es decir, mientras los valores de Y en una Binomial
podían pertenecer a los naturales entre 0 y n inclusive, en el caso de una Poisson
pueden pertenecer a los naturales entre 0 e infinito.
¿Cómo se denota el único parámetro de esta distribución?
El único parámetro de la distribución Poisson es. Si una variable aleatoria Y se
distribuye como Poisson lo denotamos como: Y~ Poisson (). Esta distribución
tiene un único parámetro, que representa la esperanza y también a la varianza, es
decir que cuando Y~ Poisson (), se cumple: = E (Y) =  donde 2= V (Y) =. La
propiedad de esperanza igual a varianza de la distribución Poisson implica que al
aumentar el promedio de los conteos, aumenta también su varianza. La varianza
de una Poisson es función de la media.
Responda falso o verdadero, ¿en la distribución de Poisson es igual la media
y la varianza?
Verdadero, ya que la varianza de la distribución Poisson implica que, al aumentar
el promedio de los conteos, de igual manera aumenta su varianza, ya que la
varianza de la distribución de Poisson es función de la media.
 Conclusiones

La estadística es una ciencia que se utiliza para describir analizar e interpretar

estudios poblacionales mediante diagramas para una fácil lectura de datos.
Podemos dividir la estadística en dos ramas; la estadística descriptiva, que se
dedica a los métodos de recolección, descripción, visualización y resumen de
datos originados a partir de los fenómenos en estudio; y la estadística inferencial,
que se dedica a la generación de los modelos, inferencias y predicciones
asociadas a los fenómenos en cuestión.

La estadística trata en primer lugar, de acumular la masa de datos numéricos

provenientes de la observación de multitud de fenómenos, procesándolos de
forma razonable. Mediante la teoría de la probabilidad analiza y explora
la estructura matemática subyacente al fenómeno del que estos datos provienen y,
trata de sacar conclusiones y predicciones que ayuden al mejor aprovechamiento
del fenómeno.
 Referencias Bibliográficas

Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e infostat en

problemas de agronomía. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?docID=
3221775&query=bioestadistica

Matus, R., Hernández, M., & García, E. (2010). Estadística. Recuperado

de:http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=1
&docID=3187261&tm=1519661894239

Primera Webconference del curso. Conceptos generales de Estadística

Descriptiva: http://bit.ly/2m102fB

Segunda Webconference del curso. Explicación Fase 2:

http://bit.ly/31KchML

Tercera Webconference del curso. Explicación Fase 3:

http://bit.ly/34yC6RT